Calculadora del algoritmo hacia delante de Markov oculto
Calcular la probabilidad de observación binaria y las probabilidades de estado filtrado para un modelo de Markov oculto de dos estados.
SU CÁLCULO
Resultado
—
Pasos del cálculo
Trabaje a través de un paso a la vez o revele el cálculo completo. Los pasos utilizan sus entradas actuales.
Cómo calcular
Emite la primera observación de la entrada anterior, luego la transición antes de cada observación posterior y se normaliza a cada paso.
Forward weight=emission likelihood×sum(previous filtered probability×transition)
Ejemplo resuelto
Las filas de emisión idénticas 0.5, 0.5 dan una probabilidad de observación de cuatro velocidades 1 / 16.
Suposiciones y detalles de entrada
Parámetros de dos estados fijos, no hay entrenamiento, suavizamiento hacia atrás o descodificación de Viterbi. Cada fila de probabilidad debe sumar a una. Se rechazan secuencias de observación imposibles en lugar de asignarle una probabilidad de registro finita.
Usando esta calculadora
¿Puedo entrar en mi propio problema?
Sí. Sustitúyase los valores de ejemplo por sus propias entradas. El resultado, los pasos de cálculo, los cuadros y los diagramas aplicables se actualizan a partir de esos insumos. Los valores blanks o inválidos despejan el resultado; los valores de ejemplo nunca se sustituyen silenciosamente por los insumos que faltan.
¿Los resultados son exactos?
Los resultados utilizan la aritmética de un punto flotante y se muestran redondeados. Leer la fórmula, suposiciones y cualquier precisión de los datos antes de interpretar el resultado.
¿Mi entrada está cargada?
El cálculo se ejecuta en su navegador. No se requiere cuenta, carga de archivos o servicio AI externo. Las entradas no se guardan entre recargas de página.
Propaga una distribución de probabilidad de tres estados a través de una matriz de transición fija.
Actualizar una probabilidad de evento tras una señal positiva o negativa. Ver el efecto de tipo de base, un cuadro de probabilidad de cuatro resultados y los conteos esperados para escenarios de control de calidad.
Desglose binario frente a un predictor numérico mediante un castigo L 2 de estándar explícito y evaluar una probabilidad de consulta.
Espacio reservado para publicidad.